5.5.5. Коэффициент правдоподобия
Информацию об изменениях, происходящих в характере наблюдаемого процесса, можно получить из переменной
. Эту переменную можно интерпретировать как аппроксимацию на основании выборок данных статистического коэффициента правдоподобия. Для гауссова случайного процесса с нулевым средним
совместное распределение для
задается выражением:
(5.58)
где
- ковариационная матрица, определяемая формулой (5.25).
Детерминант ковариационной матрицы
связан с коэффициентами отражения и дисперсией процесса
[219] следующим образом:
(5.59)
Логарифм выражения (5.58) становится логарифмической функцией правдоподобия, состоящей из двух частей: два первых члена зависят от ковариационной матрицы процесса, а третий член основан на наблюдаемых выборках данных:
(5.60)
Переменную
, полученную с помощью точных выражений рекурсивного метода наименьших квадратов, можно интерпретировать как выборочную оценку третьего члена в (5.60). В определении
используется выборочная оценка ковариационной матрицы
, вместо известной ковариационной матрицы
.
Таким образом, переменная
служит критерием правдоподобия того, что
последних выборок данных
взяты из гауссова процесса с выборочной оценкой ковариационной матрицы
, определенной из всех прошлых наблюдений
. Переменная
изменяется в интервале
. Малая величина
указывает на то, что последние выборки данных являются, вероятно, выборками из гауссова процесса с ковариационной матрицей
.
Величина
, близкая к 1, означает, что, если текущий процесс считать гауссовым, наблюдаемые выборки данных станут непредсказуемыми: либо новые наблюдаемые выборки данных поступают из другого гауссова процесса, вследствие изменяющегося во времени характера физического процесса, либо в наблюдаемом процессе содержится негауссова компонента. Поэтому
можно рассматривать как величину, которая характеризует изменения в статистике процесса или позволяет установить появление непредсказуемых (негауссовых) компонент в наблюдаемом процессе. Моделирование показало, что
действительно принимает значения, близкие к 1, когда происходят внезапные изменения наблюдаемого процесса. В РНК – алгоритме
действует как коэффициент оптимального усиления, ибо новая выборка данных уменьшает суммарную оценку в
раз. Этот коэффициент усиления показывает, что изменения в статистике процесса мгновенно влияют на оценку, и это влияние сильнее, чем усреднение с прошлыми наблюдаемыми выборками данных. В разд. 5.9 показаны результаты моделирования, демонстрирующие такое поведение при обработке синтезированных и речевых сигналов.